Towards Green Automated Machine Learning: Status Quo and Future Directions [55.4] AutoMLは数百のコントリビューションでホットな研究トピックになっている。 非常に資源集約的であることも知られており、批判の要点の1つである。 本稿では,この問題に対するAutoML研究者の意識を高め,治療の可能性について詳しく述べる。 論文参考訳(メタデータ) (Wed, 10 Nov 2021 18:57:27 GMT)
Benchmarking Multimodal AutoML for Tabular Data with Text Fields [83.4] テキストフィールドを含む18個のマルチモーダルデータテーブルを組み立てる。 このベンチマークにより、研究者は、数値、カテゴリ、テキストデータの特徴を用いて教師あり学習を行うための独自の方法を評価することができる。 論文参考訳(メタデータ) (Thu, 4 Nov 2021 09:29:16 GMT)
AutoML用ベンチマークデータセット。ベンチマークデータセットを通して得られた分析結果も興味深い。ただ、「Given the success of pretrained Transformers across NLP, we are surprised to find both N-Grams and word2vec here provide superior text featurization than Pre-Embedding.」は驚きではないのでは?という印象。
On the Security Risks of AutoML [38.0] Neural Architecture Search(NAS)は、与えられたタスクに適したモデルを自動的に検索する、新たな機械学習パラダイムである。 手動で設計したモデルと比較すると、NAS生成モデルは様々な悪意ある攻撃に対して大きな脆弱性を被る傾向にある。 本稿では,セル深さの増大やスキップ接続の抑制など,このような欠点を軽減するための対策の可能性について論じる。 論文参考訳(メタデータ) (Tue, 12 Oct 2021 14:04:15 GMT)
Man versus Machine: AutoML and Human Experts’ Role in Phishing Detection [4.1] 本稿では,10種類のフィッシングデータセット上での6つの最先端AutoMLフレームワークのパフォーマンスを比較した。 以上の結果から,AutoMLベースのモデルでは,複雑な分類タスクにおいて,手作業で開発した機械学習モデルよりも優れていることが示唆された。 論文参考訳(メタデータ) (Fri, 27 Aug 2021 09:26:20 GMT)
AutoVideo: An Automated Video Action Recognition System [38.4] AutoVideoは、自動ビデオアクション認識のためのPythonシステムである。 7つのアクション認識アルゴリズムと様々な前処理モジュールをサポートする。 AutoMLのサーチと簡単に組み合わせることができる。 論文参考訳(メタデータ) (Mon, 9 Aug 2021 17:53:32 GMT)